Semestralni prace ze KMA/MM Modelovani sireni onemocneni - epidemiologicke modely

Rozměr: px
Začít zobrazení ze stránky:

Download "Semestralni prace ze KMA/MM Modelovani sireni onemocneni - epidemiologicke modely"

Transkript

1 Semestralni prace ze KMA/MM Modelovani sireni onemocneni - epidemiologicke modely Pavel Jirasek March 1,

2 Contents 1 Uvod 3 2 Znaceni 3 3 Predpoklady 3 4 Modely 4 5 Teoreticky rozbor 6 6 Ockovaci strategie Stale ockovani Pulsni ockovani Model SIR s pulsnim ockovanim Porovnani ockovani Ukazka modelu 10 2

3 1 Uvod V teto praci bych chtel ctenare seznamit se zakladnimi teoretickymi znalostmi z oblasti epidemiologie a modelovani. Modely je mozne pouzit i k modelovani principialne blizkych procesu, jako je napriklad sireni ohne, invaze rostlin do neobsazeneho prostoru, dynamika potravinoveho retezce. Cast prace se bude tykat i moznym strategiim ockovani. 2 Znaceni skupina S (susceptible): obsahuje tu cast populace, ktera je nachylna k onemocneni; tito jedinci netrpi chorobou, mohou vsak byt infikovani pri styku s nemocnymi. skupina I (infected): obsahuje cast populace tvorenou infikovanymi jedinci; tito jedinci vykazuji znamky onemocneni a rozsiruji nemoc mezi cleny skupiny S. skupina R (removed): obsahuje tu cast populace, ktera je tvorena jedinci, kteri byli drive infikovani, ale nyni jiz nemohou sirit chorobu; jsou zde jedinci, kteri se uzdravili a zustali trvale imunni, jedinci, kteri byli trvale izolovani, a v pripade smrtelne nemoci jedinci, kteri uhynuli. 3 Predpoklady Predpokladame populaci citajici N jedincu bez vitalni dynamiky, tj. budeme predpokladat, ze celkovy pocet jedincu se nemeni v case (jde o uzavrenou, autonomni, populaci). Veliciny S, I, R jsou obecne funkcemi casu. V libovolnem casovem okamziku t plati (tzv. podminka autonomity systemu): Dale predpokladame: S(t) + I(t) + R(t) = N. nemoc se siri kontaktem mezi infikovanymi a zdravymi jedinci choroba nema latentni obdobi populace je homogenni, tj. vsichni ohrozeni jedinci jsou ohrozeni stejne, vsichni infikovani jedinci jsou stejne infekcni atd. populace je autonomni, tj. nepredpokladame narozeni novych jedincu ani migraci a vsichni zemreli jsou zahrnuti ve skupine R(t) 3

4 rychlost presunu jedincu ze skupiny S do skupiny I je umerna poctu setkani infikovanych jedincu s jedinci nachylnymi k onemocneni; tato rychlost je tedy umerna soucinu S I rychlost presunu jedincu ze skupiny I do skupiny R je umerna poctu infikovanych jedincu jedinci, kteri se ocitli ve skupine R v teto skupine trvale zustavaji Pocatecni podminky: Predpokladame, ze v pocatecnim case t = 0 existuje pocet S 0 jedincu, kteri jsou nachylni k onemocneni, dale ze se v populaci vyskytuje pocet I 0 jedincu, kteri jsou nemoci infikovani a jsou prenaseci infekce a pocet R 0 vylecenych (imunitnich) jedincu (pokud je tato skupina populace v modelu zahrnuta). 4 Modely Model SIR Model, jez vychazi z existence vsech tri vyse uvedenych skupin S(t), I(t) a R(t), nazyame modelem SIR. S (t) = r S(t) I(t), I (t) = r S(t) I(t) a I(t), R (t) = a I(t), S(0) = S 0 > 0, I(0) = I 0 > 0, R(0) = R 0 = 0, r > 0, a > 0. Parametr r nazyvame koeficient sireni nakazy, ktery vyjadruje soucin cetnosti vzajemnych kontaktu v populaci a pravdepodobnosti, s jakou pri vzajemnem kontaktu jedince ze skupiny S(t) s jedincem ze skupiny I(t) dojde k nakazeni. Parametr r se da interpretovat take jako mira infekcnosti choroby a kvalita prevence proti dalsimu sireni. Parametr a nazyvame koeficientem leceni, ktery popisuje rychlost, s jakou se infikovany jedinec ze skupiny I(t) dostane do skupiny jedincu 4

5 R(t), kteri jiz nejsou chorobou ohrozeni. Parametr a se da interpretovat take jako mira vaznosti choroby a schopnost (spolecnosti ci jedince) se s chorobou vyporadat. Model SI Tento model se pouziva u pocatecnich stadii nekterych onemocneni, kdy nas zajima dynamika pocatku infekce. Skupina R(t) je zcela vynechana. S (t) = r S(t) I(t), I (t) = r S(t) I(t), S(0) = S 0 > 0, I(0) = I 0 > 0, r > 0. Parametr r nazyvame, stejne jako u modelu SIR, koeficient sireni nakazy. Model SIS V modelu SIS je zavedena zpetna vazba ze skupiny infikovanych jedincu I(t) do skupiny vnimavych jedincu S(t). Tento model se pouziva u onemocneni, ktera nejsou smrtelna a pri kterych nevznika na danou nemoc imunita. To znamena, ze jedinci, kteri se vyleci, prechazeji zpet do skupiny nemoci ohrozenych. Jedna se tedy o bezne nemoci, jako je napriklad chripka ci angina. S (t) = r S(t) I(t) + a I(t), I (t) = r S(t) I(t) a I(t), S(0) = S 0 > 0, I(0) = I 0 > 0, r > 0, a > 0. Parametry r a a interpretujeme stejne, jako v pripade SIR modelu. 5

6 Model SEIR Az dosud uvedene modely nezahrnovaly inkubacni dobu, ktera uplyne od nakazy do okamziku, kdy se stane infekcni. Je-li ovsem inkubacni doba nemoci pomerne dlouha, je nezbytne model modifikovat napriklad zavedenim nove dilci skupiny: skupina E(t): popisuje tu cast populace, ktera je infikovana, ale zatim neni infekcni, nachazi se tedy v inkubacni dobe. S (t) = r S(t) I(t), E (t) = r S(t) I(t) b E(t), I (t) = b E(t) a I(t), R (t) = a I(t), S(0) = S 0 > 0, E(0) = E 0 0, I(0) = I 0 > 0, R(0) = R 0 = 0, r > 0, b > 0, a > 0. Parametry r a a interpretujeme stejne, jako v pripade SIR modelu. Parametr b urcuje miru, s jakou se nakazeni jedinci stavaji infekcnimi. 5 Teoreticky rozbor V tomto odstavci se omezime na nasleduji model typu SIR. S(t) + I(t) + R(t) = 1. S (t) = m m S(t) r S(t) I(t), I (t) = m I(t) + r S(t) I(t) a I(t), (1) R (t) = m R(t) + a I(t), Velikost populace je jednotkova a tedy hodnoty promennych predstavuji kolik procent z celkove populace do dane skupiny patri. Znaceni parametru 6

7 odpovida predchozim kapitolam. Novy parametr m popisuje porodnost a umrtnost (cislo 1/m odpovida stredni delce zivota). Nove narozeni jedinci jsou zarazeni do skupiny S(t). Pro spalnicky muzeme brat nasledujici hodnoty: m = 0.02, a = 100, r = Nejprve si muzeme vsimnout, ze dany system ma dva rovnovazne stavy. Prvni je S 0 = 1, I 0 = 0. a odpovida stavu, kdy neni nikdo nakazen tj. neexistuje zadna nakaza.(hodnotu R muzeme vypocitat z podminky S+I+R=1.) Druhy je kde S1 = m + a, r I1 = m(r 0 1), r R 0 = r m + a. V tomto rovnovaznem stavu existuje nenulova skupina nakazenych jedincu. Tento stav budeme nazyvat epidemicka rovnovaha. Dale plati, ze pokud R 0 > 1, tak kazdy infikovany jedinec v prumeru nakazi vice nez jednoho dalsiho clena populace. Skupina I(t) se tedy bude rozsirovat. V tomto pripade je rovnovazny stav (S0, I 0 ) nestabilni, ale (S1, I 1 ) je lokalne stabilni. Pokud R 0 < 1, tak kazdy infikovany jedinec v prumeru nakazi mene nez jednoho dalsiho clena populace. Tedy v tomto pripade se skupina nemocnych bude zmensovat. (S0, I 0 ) je lokalne stabilni a (S1, I 1 ) je nestabilni. 6 Ockovaci strategie 6.1 Stale ockovani Predpokladame, ze kazdy nove narozeny jedinec bude ockovan. Ockovani ma uspesnost p, kde 0 < p < 1. Prvni a treti rovnice soustavy (1) se zmeni 7

8 na S (t) = (1 p) m m S(t) r S(t) I(t), R (t) = p m m R(t) + a I(t). Pokud nyni vysetrime stabilitu rovnovaznych stavu modelu se stalym ockovacim, zjistime, ze existuje kriticka hodnota p c = 1 R 0. Pokud p > p c, potom je stav, kdy neexistuji nakazeni jedinci, stabilni a ma nove souradnice (S0 = 1 p, I 0 = 0). Pro relativne slabsi ockovani p < p c je stav epidemicke rovnovahy stabilni a ma souradnice S1 = S1, I1 = I1 m m + g p. Vidime, ze zvysovani uspesnosti ockovani p linearne snizuje pocet infikovanych v rovnovaznem stavu. Pro spalnicky plati zhruba p c = To znamena, ze pro stavilizaci stavu bez nemocnych musi byt uspesne ockovano 95% narozenych deti. 6.2 Pulsni ockovani Namisto staleho ockovani vsech narozenych deti bude ockovana cast skupiny S(t) kazdych T let. Predpokladame, ze ockovani dava celozivotni imunitu a tedy ockovani v modelu presunuti ze skupiny S(t) do skupiny R(t). Po kazdem ockovani se system vyvyji z noveho pocatecniho stavu az do dalsiho pulsu. Myslenkou tohoto zpusobu ockovani je delat tak casto, aby byla splnena podminka I (t) < 0, z cehoz vyplyva, ze I(t) je klesajici funkce. Tato podminka bude splnena, pokud S(t) < S c, kde je epidemicky prah. S c = m + a r 8

9 6.3 Model SIR s pulsnim ockovanim Upravou modelu (1) pomoci teorie z predchoziho odstavce dostavame S (t) = m m S(t) r S(t) I(t) S(nT )δ(t nt ), n=0 I (t) = m I(t) + r S(t) I(t) a I(t), R (t) = m R(t) + a I(t) + S(nT )δ(t nt ), n=0 S(t) + I(t) + R(t) = 1, kde S(nT ) je levostranna limita limita S(t) v bode (nt ) a δ je Diracova delta funkce. Vakcinace probiha v casech nt, n = 0, 1, Aby byl splnen pozadavek I (t) < 0 nesmi doba mezi ockovnimi T presahnout hodnotu T max 6.4 Porovnani ockovani a p r m(1 p/2 a/r). Zavedeme funkci N, ktera bude ukazovat, kolik lidi je rocne ockovano. Tato funkce zhruba odpovida cene daneho ockovani. Pro konstantni ockovani N = N(p) = m p. Pro pulsni ockovani N = N(p, T ) = pm p + mt. Pro dane p nabyva tato funkce minima v T = T max. Pro spalnicky muzeme upravit na N = N(p, T max ) m ma r(1 p/2) m. Je videt, ze stale ockovani je vyhodnejsi, ale u spalnicek musi platit p > p c 0.95, aby byla epidemie kontrolovana. Rozdil mezi strategiemi ockovani tedy neni velky. Vyhoda pulsniho ockovani je ta, ze dokaze stabilizovat stav bez infikovanych jedincu i pro p < p c. V praxi muze byt jednodussi ockovat mensi procento k nemoci nachylne populace kazdych nekolik let nez drzet stale velmi vysoke procento ockovanych deti. 9

10 7 Ukazka modelu Model typu SEIR pro spalnicky: S (t) = m N m S(t) r S(t) I(t) ν S(t), E (t) = r S(t) I(t) + ν S(t) m E(t) b E(t), I (t) = b E(t) m I(t) a I(t), R (t) = a I(t) m R(t), N = 1, S(0) = 0.49, E(0) = 0.01, I(0) = 0.01, R(0) = 0.49, m = 0.02, a = 55, b = 50, ν = , r = r 0 (1 + r 1 cos(2πt)), r 0 = 1200, r 1 = Znaceni odpovida predchozim kapitolam. Parametr ν popisuje pravdepodobnost nakazy z prostredi tj. ne kontaktem s nakazenym. Infekcnost choroby je v case promenna tj. r = r(t). t je cas v letech. Grafy reseni: Levy graf ukazuje vyvin pocatku nakazy, pravy nakazu vdelsim casovem meritku. Modre je znazornena skupina S(t), zelene E(t), cervene I(t) a zlute 10

11 R(t). Je videt, ze se v kratkem casovem obdobi nakazi vetsina populace a pote se system ustali. Nyni do modelu pridame konstatni vakcinaci s uspesnosti p = Grafy reseni: Levy graf ukazuje vyvin systemu v delsim casovem obdobi. V pravem grafu je skupina R(t) rozdelena na cast, ktera se nakazila a vylecila (cerne), a na cast, ktera byla uspesne ockovana (zlute). References [1] bacaer/oldsars/sars.html [2] T. Ryba: Modelovani sireni venerickych onemocneni [3] B. Shulgin, L. Stone, Z. Agur: Pulse Vaccination Strategy in SIR Epidemic Model [4] J. Ma, Z. Ma: Epidemic treshold conditions for seasonally forced SEIR models [5] X.Meng, L.Chen: The dynamics of a new SIR epidemic model concerning pulse vaccination strategy [6] glenn/mathmod/seir.pdf 11

Katedra matematiky Fakulta aplikovaných věd Západočeská Univerzita v Plzni. Matematické Modelování

Katedra matematiky Fakulta aplikovaných věd Západočeská Univerzita v Plzni. Matematické Modelování Katedra matematiky Fakulta aplikovaných věd Západočeská Univerzita v Plzni Semestrální práce z předmětu Matematické Modelování Radek Slíva student 3. ročníku FAV obor MA A02019 12. července 2005 Obsah

Více

Základy Jednoduché modely Příklady modelů. Modelování epidemií. Radek Pelánek

Základy Jednoduché modely Příklady modelů. Modelování epidemií. Radek Pelánek Modelování epidemií Radek Pelánek Motivace Epidemie jsou zabiják černý mor 14. století zemřelo 30 % až 60 % populace španělská chřipka 1918-1920 zemřelo asi 50 miliónů lidí (první světová válka 15 miliónů

Více

K velkým datům přes matice a grafy

K velkým datům přes matice a grafy K velkým datům přes matice a grafy Miroslav Tůma Katedra numerické matematiky, MFF UK mirektuma@karlin.mff.cuni.cz MFF UK, 10.4.2019 1 / 70 Outline 1 Motivace 2 Šíření infekční choroby 3 Jiné motivace

Více

STŘEDNÍ ZDRAVOTNICKÁ ŠKOLA A VYŠŠÍ ODBORNÁ ŠKOLA ZDRAVOTNICKÁ ŽĎÁR NAD SÁZAVOU OBECNÁ EPIDEMIOLOGIE MGR. IVA COUFALOVÁ

STŘEDNÍ ZDRAVOTNICKÁ ŠKOLA A VYŠŠÍ ODBORNÁ ŠKOLA ZDRAVOTNICKÁ ŽĎÁR NAD SÁZAVOU OBECNÁ EPIDEMIOLOGIE MGR. IVA COUFALOVÁ STŘEDNÍ ZDRAVOTNICKÁ ŠKOLA A VYŠŠÍ ODBORNÁ ŠKOLA ZDRAVOTNICKÁ ŽĎÁR NAD SÁZAVOU OBECNÁ EPIDEMIOLOGIE MGR. IVA COUFALOVÁ EPIDEMIOLOGIE je obor, který zkoumá rozložení infekčních chorob v populaci, sleduje

Více

Model epidemickej choroby (SIR model)

Model epidemickej choroby (SIR model) Slovenská technická univerzita v Bratislave Fakulta elektrotechniky a informatiky Katedra matematiky Študentská Vedecká a Odborná Činnosť Model epidemickej choroby (SIR model) autor: konzultant: Pavol

Více

Spojité deterministické modely I 1. cvičná písemka

Spojité deterministické modely I 1. cvičná písemka Spojité deterministické modely I 1. cvičná písemka I. část 1.ajděteoecnéřešenírovnice tx xttg x t. 2.Rozhodnětezdapočátečníúloha x t 3 x xjejednoznačněřešitelná.odpověď zdůvodněte. 3. ajděte první tři

Více

MATEMATICKÉ MODELY V EPIDEMIOLOGII MATHEMATICAL MODELS IN EPIDEMIOLOGY

MATEMATICKÉ MODELY V EPIDEMIOLOGII MATHEMATICAL MODELS IN EPIDEMIOLOGY VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ BRNO UNIVERSITY OF TECHNOLOGY FAKULTA STROJNÍHO INŽENÝRSTVÍ ÚSTAV MATEMATIKY FACULTY OF MECHANICAL ENGINEERING INSTITUTE OF MATHEMATICS MATEMATICKÉ MODELY V EPIDEMIOLOGII

Více

Stochastické diferenciální rovnice

Stochastické diferenciální rovnice KDM MFF UK, Praha Aplikace matematiky pro učitele 15.11.2011 Kermack-McKendrickův model Kermack-McKendrickův model s vakcinací Model pro nemoc s rychlým šířením a krátkou dobou léčby. Příkladem takovéto

Více

Inovace studia molekulární a buněčné biologie reg. č. CZ.1.07/2.2.00/

Inovace studia molekulární a buněčné biologie reg. č. CZ.1.07/2.2.00/ I n v e s t i c e d o r o z v o j e v z d ě l á v á n í Inovace studia molekulární a buněčné biologie reg. č. CZ.1.07/2.2.00/07.0354 Tento projekt je spolufinancován Evropským sociálním fondem a státním

Více

Všeobecná rovnováha 1 Statistický pohled

Všeobecná rovnováha 1 Statistický pohled Makroekonomická analýza přednáška 4 1 Všeobecná rovnováha 1 Statistický pohled Předpoklady Úspory (resp.spotřeba) a investice (resp.kapitál), kterými jsme se zabývali v minulých lekcích, jsou spolu s technologickým

Více

1.1 Existence a jednoznačnost řešení. Příklad 1.1: [M2-P1] diferenciální rovnice (DR) řádu n: speciálně nás budou zajímat rovnice typu

1.1 Existence a jednoznačnost řešení. Příklad 1.1: [M2-P1] diferenciální rovnice (DR) řádu n: speciálně nás budou zajímat rovnice typu [M2-P1] KAPITOLA 1: Diferenciální rovnice 1. řádu diferenciální rovnice (DR) řádu n: speciálně nás budou zajímat rovnice typu G(x, y, y, y,..., y (n) ) = 0 y (n) = F (x, y, y,..., y (n 1) ) Příklad 1.1:

Více

8.4. Shrnutí ke kapitolám 7 a 8

8.4. Shrnutí ke kapitolám 7 a 8 8.4. Shrnutí ke kapitolám 7 a 8 Shrnutí lekce Úvodní 7. kapitola přinesla informace o druzích řešení diferenciálních rovnic prvního řádu a stručné teoretické poznatky o podmínkách existence a jednoznačnosti

Více

13. Lineární procesy

13. Lineární procesy . Lineární procesy. Lineární procesy Našim cílem je studovat lineární (iterované) procesy. Každý takový proces je zadán čtvercovou maticí A Mat k k (R). Dále víme, že systém se v čase t n nachází ve stavu

Více

Uvod k pocatecnimu problemu pro obycejne diferencialni

Uvod k pocatecnimu problemu pro obycejne diferencialni Uvod k pocatecnimu problemu pro obycejne diferencialni rovnice Budeme resit ulohu mnozeni bakterii. Na zacatku mame jedinou bakterii a vime, ze za urcity cas se takova bakterii rozmnozi na 2. Zajima nas

Více

1 Modelování systémů 2. řádu

1 Modelování systémů 2. řádu OBSAH Obsah 1 Modelování systémů 2. řádu 1 2 Řešení diferenciální rovnice 3 3 Ukázka řešení č. 1 9 4 Ukázka řešení č. 2 11 5 Ukázka řešení č. 3 12 6 Ukázka řešení č. 4 14 7 Ukázka řešení č. 5 16 8 Ukázka

Více

Fakt. Každou soustavu n lineárních ODR řádů n i lze eliminací převést ekvivalentně na jednu lineární ODR

Fakt. Každou soustavu n lineárních ODR řádů n i lze eliminací převést ekvivalentně na jednu lineární ODR DEN: ODR teoreticky: soustavy rovnic Soustava lineárních ODR 1 řádu s konstantními koeficienty je soustava ve tvaru y 1 = a 11 y 1 + a 12 y 2 + + a 1n y n + b 1 (x) y 2 = a 21 y 1 + a 22 y 2 + + a 2n y

Více

3. SEMINÁŘ MĚŘENÍ FREKVENCE NEMOCÍ V POPULACI

3. SEMINÁŘ MĚŘENÍ FREKVENCE NEMOCÍ V POPULACI 3. SEMINÁŘ MĚŘENÍ FREKVENCE NEMOCÍ V POPULACI EPIDEMIOLOGIE 1. Úvod, obsah epidemiologie. Měření frekvence nemocí v populaci 2. Screening, screeningové (diagnostické) testy 3. Typy epidemiologických studií

Více

časovém horizontu na rozdíl od experimentu lépe odhalit chybné poznání reality.

časovém horizontu na rozdíl od experimentu lépe odhalit chybné poznání reality. Modelování dynamických systémů Matematické modelování dynamických systémů se využívá v různých oborech přírodních, technických, ekonomických a sociálních věd. Použití matematického modelu umožňuje popsat

Více

KRAJSKÁ HYGIENICKÁ STANICE MORAVSKOSLEZSKÉHO KRAJE SE SÍDLEM V OSTRAVĚ

KRAJSKÁ HYGIENICKÁ STANICE MORAVSKOSLEZSKÉHO KRAJE SE SÍDLEM V OSTRAVĚ KRAJSKÁ HYGIENICKÁ STANICE MORAVSKOSLEZSKÉHO KRAJE SE SÍDLEM V OSTRAVĚ Nákazy přenášené různými přenašeči Tato skupina infekcí se vyznačuje tím, že zdrojem a rezervoárem nákazy obvykle bývají zvířata,

Více

Světový týden očkování

Světový týden očkování Světový týden očkování 24. 4. 30. 4. 2019 Protected Together #VaccinesWork Vakcíny jsou bezpečné a účinné Každá vakcína s licencí je před schválením pro použití přísně kontrolována Trvale jsou monitorovány

Více

11. přednáška 10. prosince Kapitola 3. Úvod do teorie diferenciálních rovnic. Obyčejná diferenciální rovnice řádu n (ODR řádu n) je vztah

11. přednáška 10. prosince Kapitola 3. Úvod do teorie diferenciálních rovnic. Obyčejná diferenciální rovnice řádu n (ODR řádu n) je vztah 11. přednáška 10. prosince 2007 Kapitola 3. Úvod do teorie diferenciálních rovnic. Obyčejná diferenciální rovnice řádu n (ODR řádu n) je vztah F (x, y, y, y,..., y (n) ) = 0 mezi argumentem x funkce jedné

Více

Diferenciální rovnice 3

Diferenciální rovnice 3 Diferenciální rovnice 3 Lineární diferenciální rovnice n-tého řádu Lineární diferenciální rovnice (dále jen LDR) n-tého řádu je rovnice tvaru + + + + = kde = je hledaná funkce, pravá strana a koeficienty

Více

POVINNÉ VERSUS NEPOVINNÉ OČKOVÁNÍ A EVROPSKÉ OČKOVACÍ KALENDÁŘE PRYMULA R. FAKULTNÍ NEMOCNICE HRADEC KRÁLOVÉ

POVINNÉ VERSUS NEPOVINNÉ OČKOVÁNÍ A EVROPSKÉ OČKOVACÍ KALENDÁŘE PRYMULA R. FAKULTNÍ NEMOCNICE HRADEC KRÁLOVÉ POVINNÉ VERSUS NEPOVINNÉ OČKOVÁNÍ A EVROPSKÉ OČKOVACÍ KALENDÁŘE PRYMULA R. FAKULTNÍ NEMOCNICE HRADEC KRÁLOVÉ Očkovací kalendář Snaha optimalizovat schémata a odstupy mezi jednotlivými očkováními. Kalendář

Více

Obecná epidemiologie. MUDr. Miroslava Zavřelová Ústav preventivního lékařství, odd. epidemiologie infekčních chorob

Obecná epidemiologie. MUDr. Miroslava Zavřelová Ústav preventivního lékařství, odd. epidemiologie infekčních chorob Obecná epidemiologie MUDr. Miroslava Zavřelová Ústav preventivního lékařství, odd. epidemiologie infekčních chorob Epidemiologie Studium hromadně se vyskytujících jevů Stanovení opatření intervence Analýza

Více

Funkce a lineární funkce pro studijní obory

Funkce a lineární funkce pro studijní obory Variace 1 Funkce a lineární funkce pro studijní obory Autor: Mgr. Jaromír JUŘEK Kopírování a jakékoliv další využití výukového materiálu je povoleno pouze s uvedením odkazu na www.jarjurek.cz. 1. Funkce

Více

Maticí typu (m, n), kde m, n jsou přirozená čísla, se rozumí soubor mn veličin a jk zapsaných do m řádků a n sloupců tvaru:

Maticí typu (m, n), kde m, n jsou přirozená čísla, se rozumí soubor mn veličin a jk zapsaných do m řádků a n sloupců tvaru: 3 Maticový počet 3.1 Zavedení pojmu matice Maticí typu (m, n, kde m, n jsou přirozená čísla, se rozumí soubor mn veličin a jk zapsaných do m řádků a n sloupců tvaru: a 11 a 12... a 1k... a 1n a 21 a 22...

Více

KOTVA CZ.1.07/1.4.00/21.3537

KOTVA CZ.1.07/1.4.00/21.3537 KOTVA CZ.1.07/1.4.00/21.3537 Identifikátor materiálu EU: PRIR - 60 Anotace Autor Jazyk Vzdělávací oblast Vzdělávací obor PRIR = Oblast/Předmět Očekávaný výstup Speciální vzdělávací potřeby Prezentace žáka

Více

Matematická analýza pro informatiky I.

Matematická analýza pro informatiky I. Matematická analýza pro informatiky I. 10. přednáška Diferenciální počet funkcí více proměnných (II) Jan Tomeček jan.tomecek@upol.cz http://aix-slx.upol.cz/ tomecek/index Univerzita Palackého v Olomouci

Více

Extrémy funkce dvou proměnných

Extrémy funkce dvou proměnných Extrémy funkce dvou proměnných 1. Stanovte rozměry pravoúhlé vodní nádrže o objemu 32 m 3 tak, aby dno a stěny měly nejmenší povrch. Označme rozměry pravoúhlé nádrže x, y, z (viz obr.). ak objem této nádrže

Více

Modelov an ı syst em u a proces

Modelov an ı syst em u a proces Modelování systémů a procesů 13. března 2012 Obsah 1 Vnější popis systému 2 Vnitřní popis systému 3 Příklady na stavový popis dynamických systémů Obsah 1 Vnější popis systému 2 Vnitřní popis systému 3

Více

ρ = 0 (nepřítomnost volných nábojů)

ρ = 0 (nepřítomnost volných nábojů) Učební text k přednášce UFY Světlo v izotropním látkovém prostředí Maxwellovy rovnice v izotropním látkovém prostředí: B rot + D rot H ( r, t) div D ρ rt, ( ) div B a materiálové vztahy D ε pro dielektrika

Více

Necht tedy máme přirozená čísla n, k pod pojmem systém lineárních rovnic rozumíme rovnice ve tvaru

Necht tedy máme přirozená čísla n, k pod pojmem systém lineárních rovnic rozumíme rovnice ve tvaru 2. Systémy lineárních rovnic V této kapitole se budeme zabývat soustavami lineárních rovnic s koeficienty z pole reálných případně komplexních čísel. Uvádíme podmínku pro existenci řešení systému lineárních

Více

CVIČENÍ 4 Doc.Ing.Kateřina Hyniová, CSc. Katedra číslicového návrhu Fakulta informačních technologií České vysoké učení technické v Praze 4.

CVIČENÍ 4 Doc.Ing.Kateřina Hyniová, CSc. Katedra číslicového návrhu Fakulta informačních technologií České vysoké učení technické v Praze 4. CVIČENÍ POZNÁMKY. CVIČENÍ. Vazby mezi systémy. Bloková schémata.vazby mezi systémy a) paralelní vazba b) sériová vazba c) zpětná (antiparalelní) vazba. Vnější popis složitých systémů a) metoda postupného

Více

OČKOVACÍ PROGRAMY V PRAXI. Jana Dáňová Ústav epidemiologie 3.LF UK

OČKOVACÍ PROGRAMY V PRAXI. Jana Dáňová Ústav epidemiologie 3.LF UK OČKOVACÍ PROGRAMY V PRAXI Jana Dáňová Ústav epidemiologie 3.LF UK REZISTENCE A IMUNITA o vnímavosti či odolnosti vůči infekci rozhodují nespecifická rezistence + imunita PASÍVNÍ IMUNITA Získaná přirozeným

Více

Matematika I, část I. Rovnici (1) nazýváme vektorovou rovnicí roviny ABC. Rovina ABC prochází bodem A a říkáme, že má zaměření u, v. X=A+r.u+s.

Matematika I, část I. Rovnici (1) nazýváme vektorovou rovnicí roviny ABC. Rovina ABC prochází bodem A a říkáme, že má zaměření u, v. X=A+r.u+s. 3.4. Výklad Předpokládejme, že v prostoru E 3 jsou dány body A, B, C neležící na jedné přímce. Těmito body prochází jediná rovina, kterou označíme ABC. Určíme vektory u = B - A, v = C - A, které jsou zřejmě

Více

Příklady pro předmět Aplikovaná matematika (AMA) část 1

Příklady pro předmět Aplikovaná matematika (AMA) část 1 Příklady pro předmět plikovaná matematika (M) část 1 1. Lokální extrémy funkcí dvou a tří proměnných Nalezněte lokální extrémy funkcí: (a) f 1 : f 1 (x, y) = x 3 3x + y 2 + 2y (b) f 2 : f 2 (x, y) = 1

Více

8.1. Separovatelné rovnice

8.1. Separovatelné rovnice 8. Metody řešení diferenciálních rovnic 1. řádu Cíle V předchozí kapitole jsme poznali separovaný tvar diferenciální rovnice, který bezprostředně umožňuje nalézt řešení integrací. Eistuje široká skupina

Více

Diskretizace. 29. dubna 2015

Diskretizace. 29. dubna 2015 MSP: Domácí příprava č. 3 Vnitřní a vnější popis diskrétních systémů Dopředná Z-transformace Zpětná Z-transformace Řešení diferenčních rovnic Stabilita diskrétních systémů Spojování systémů Diskretizace

Více

Kritický stav jaderného reaktoru

Kritický stav jaderného reaktoru Kritický stav jaderného reaktoru Autoři: L. Homolová 1, L. Jahodová 2, J. B. Hejduková 3 Gymnázium Václava Hlavatého Louny 1, Purkyňovo gymnázium Strážnice 2, SPŠ Stavební Plzeň 3 jadracka@centrum.cz Abstrakt:

Více

Soustavy lineárních rovnic

Soustavy lineárních rovnic Přednáška MATEMATIKA č 4 Katedra ekonometrie FEM UO Brno kancelář 69a, tel 973 442029 email:jirineubauer@unobcz 27 10 2010 Soustava lineárních rovnic Definice Soustava rovnic a 11 x 1 + a 12 x 2 + + a

Více

INVESTICE DO ROZVOJE VZDĚLÁVÁNÍ. Modernizace studijního programu Matematika na PřF Univerzity Palackého v Olomouci CZ.1.07/2.2.00/28.

INVESTICE DO ROZVOJE VZDĚLÁVÁNÍ. Modernizace studijního programu Matematika na PřF Univerzity Palackého v Olomouci CZ.1.07/2.2.00/28. INVESTICE DO ROZVOJE VZDĚLÁVÁNÍ Modernizace studijního programu Matematika na PřF Univerzity Palackého v Olomouci CZ107/2200/280141 Soustavy lineárních rovnic Michal Botur Přednáška 4 KAG/DLA1M: Lineární

Více

MODELOVÁNÍ V EPIDEMIOLOGII

MODELOVÁNÍ V EPIDEMIOLOGII MODELOVÁÍ V EPIDEMIOLOGII Radmila Stoklasová Klíčová slova: Epidemiologie, modelování, klasický epidemiologický model, analýza časových řad, sezónní dekompozice, Boxův Jenkinsovův model časové řady Key

Více

Shodnostní Helmertova transformace

Shodnostní Helmertova transformace Shodnostní Helmertova transformace Toto pojednání ukazuje, jak lze určit transformační koeficienty Helmertovy transformace za požadavku, aby představovaly shodnostní transformaci. Pro jednoduchost budeme

Více

Afinita je stručný název pro afinní transformaci prostoru, tj.vzájemně jednoznačné afinní zobrazení bodového prostoru A n na sebe.

Afinita je stručný název pro afinní transformaci prostoru, tj.vzájemně jednoznačné afinní zobrazení bodového prostoru A n na sebe. 4 Afinita Afinita je stručný název pro afinní transformaci prostoru, tj.vzájemně jednoznačné afinní zobrazení bodového prostoru A n na sebe. Poznámka. Vzájemně jednoznačným zobrazením rozumíme zobrazení,

Více

KRAJSKÁ HYGIENICKÁ STANICE MORAVSKOSLEZSKÉHO KRAJE SE SÍDLEM V OSTRAVĚ

KRAJSKÁ HYGIENICKÁ STANICE MORAVSKOSLEZSKÉHO KRAJE SE SÍDLEM V OSTRAVĚ KRAJSKÁ HYGIENICKÁ STANICE MORAVSKOSLEZSKÉHO KRAJE SE SÍDLEM V OSTRAVĚ Vzdušné nákazy např. plané neštovice, spalničky, ARI (akutní respirační infekce) a další Akutní respirační infekce (ARI), včetně chřipky,

Více

Digitální učební materiál

Digitální učební materiál Digitální učební materiál Projekt: Digitální učební materiály ve škole, registrační číslo projektu CZ.1.07/1.5.00/34.0527 Příjemce: Střední zdravotnická škola a Vyšší odborná škola zdravotnická, Husova

Více

Diferenˇcní rovnice Diferenciální rovnice Matematika IV Matematika IV Program

Diferenˇcní rovnice Diferenciální rovnice Matematika IV Matematika IV Program Program Diferenční rovnice Program Diferenční rovnice Diferenciální rovnice Program Frisch a Samuelson: Systém je dynamický, jestliže jeho chování v čase je určeno funkcionální rovnicí, jejíž neznámé závisí

Více

Lineární zobrazení. 1. A(x y) = A(x) A(y) (vlastnost aditivity) 2. A(α x) = α A(x) (vlastnost homogenity)

Lineární zobrazení. 1. A(x y) = A(x) A(y) (vlastnost aditivity) 2. A(α x) = α A(x) (vlastnost homogenity) 4 Lineární zobrazení Definice: Nechť V a W jsou vektorové prostory Zobrazení A : V W (zobrazení z V do W nazýváme lineárním zobrazením, pokud pro všechna x V, y V a α R platí 1 A(x y = A(x A(y (vlastnost

Více

y = 1 x (y2 y), dy dx = 1 x (y2 y) dy y 2 = dx dy y 2 y y(y 4) = A y + B 5 = A(y 1) + By, tj. A = 1, B = 1. dy y 1

y = 1 x (y2 y), dy dx = 1 x (y2 y) dy y 2 = dx dy y 2 y y(y 4) = A y + B 5 = A(y 1) + By, tj. A = 1, B = 1. dy y 1 ODR - řešené příkla 20 5 ANALYTICKÉ A NUMERICKÉ METODY ŘEŠENÍ ODR A. Analtické meto řešení Vzorové příkla: 5.. Příklad. Řešte diferenciální rovnici = 2. Řešení: Přepišme danou rovnici na tvar = (2 ), což

Více

5. Lokální, vázané a globální extrémy

5. Lokální, vázané a globální extrémy 5 Lokální, vázané a globální extrémy Studijní text Lokální extrémy 5 Lokální, vázané a globální extrémy Definice 51 Řekneme, že f : R n R má v bodě a Df: 1 lokální maximum, když Ka, δ Df tak, že x Ka,

Více

Lingebraické kapitolky - Analytická geometrie

Lingebraické kapitolky - Analytická geometrie Lingebraické kapitolky - Analytická geometrie Jaroslav Horáček KAM MFF UK 2013 Co je to vektor? Šipička na tabuli? Ehm? Množina orientovaných úseček majících stejný směr. Prvek vektorového prostoru. V

Více

Základy genetiky populací

Základy genetiky populací Základy genetiky populací Jedním z významných odvětví genetiky je genetika populací, která se zabývá studiem dědičnosti a proměnlivosti u velkých skupin jedinců v celých populacích. Populace je v genetickém

Více

Soustavy lineárních rovnic

Soustavy lineárních rovnic Soustavy lineárních rovnic Základy vyšší matematiky LDF MENDELU Podpořeno projektem Průřezová inovace studijních programů Lesnické a dřevařské fakulty MENDELU v Brně (LDF) s ohledem na discipĺıny společného

Více

Převedení okrajové úlohy na sled

Převedení okrajové úlohy na sled Převedení okrajové úlohy na sled úloh počátečních 1 Jiří Taufer Abstrakt Tento příspěvek je věnován řešení okrajových problémů pro soustavu okrajových obyčejných diferenciálních lineárních rovnic metodami,

Více

9.7. Vybrané aplikace

9.7. Vybrané aplikace Cíle V rámci témat zaměřených na lineární diferenciální rovnice a soustavy druhého řádu (kapitoly 9.1 až 9.6) jsme dosud neuváděli žádné aplikace. Je jim společně věnována tato závěrečné kapitola, v níž

Více

Markovské metody pro modelování pravděpodobnosti

Markovské metody pro modelování pravděpodobnosti Markovské metody pro modelování pravděpodobnosti rizikových stavů 1 Markovský řetězec Budeme uvažovat náhodný proces s diskrétním časem (náhodnou posloupnost) X(t), t T {0, 1, 2,... } s konečnou množinou

Více

fakulty MENDELU v Brně (LDF) s ohledem na disciplíny společného základu http://akademie.ldf.mendelu.cz/cz (reg. č. CZ.1.07/2.2.00/28.

fakulty MENDELU v Brně (LDF) s ohledem na disciplíny společného základu http://akademie.ldf.mendelu.cz/cz (reg. č. CZ.1.07/2.2.00/28. Základy lineárního programování Vyšší matematika, Inženýrská matematika LDF MENDELU Podpořeno projektem Průřezová inovace studijních programů Lesnické a dřevařské fakulty MENDELU v Brně (LDF) s ohledem

Více

8.3). S ohledem na jednoduchost a názornost je výhodné seznámit se s touto Základní pojmy a vztahy. Definice

8.3). S ohledem na jednoduchost a názornost je výhodné seznámit se s touto Základní pojmy a vztahy. Definice 9. Lineární diferenciální rovnice 2. řádu Cíle Diferenciální rovnice, v nichž hledaná funkce vystupuje ve druhé či vyšší derivaci, nazýváme diferenciálními rovnicemi druhého a vyššího řádu. Analogicky

Více

Matematika 5 FSV UK, ZS Miroslav Zelený

Matematika 5 FSV UK, ZS Miroslav Zelený Matematika 5 FSV UK, ZS 2018-19 Miroslav Zelený 1. Stabilita řešení soustav diferenciálních rovnic 2. Úvod do variačního počtu 3. Globální extrémy 4. Teorie optimálního řízení 5. Různé 1. Stabilita řešení

Více

1.1 Příklad z ekonomického prostředí 1

1.1 Příklad z ekonomického prostředí 1 1.1 Příklad z ekonomického prostředí 1 Smysl solidního zvládnutí matematiky v bakalářských oborech na Fakultě podnikatelské VUT v Brně je především v aplikační síle matematiky v odborných předmětech a

Více

příkladů do cvičení. V textu se objeví i pár detailů, které jsem nestihl (na které jsem zapomněl) a(b u) = (ab) u, u + ( u) = 0 = ( u) + u.

příkladů do cvičení. V textu se objeví i pár detailů, které jsem nestihl (na které jsem zapomněl) a(b u) = (ab) u, u + ( u) = 0 = ( u) + u. Několik řešených příkladů do Matematiky Vektory V tomto textu je spočteno několik ukázkových příkladů které vám snad pomohou při řešení příkladů do cvičení. V textu se objeví i pár detailů které jsem nestihl

Více

Zadání a řešení testu z matematiky a zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia od jara 2016

Zadání a řešení testu z matematiky a zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia od jara 2016 Zadání a řešení testu z matematiky a zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia od jara 206 Zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia

Více

Matematika pro informatiky

Matematika pro informatiky (FIT ČVUT v Praze) Konvexní analýza 13.týden 1 / 1 Matematika pro informatiky Jaroslav Milota Fakulta informačních technologíı České vysoké učení technické v Praze Letní semestr 2010/11 Extrémy funkce

Více

Funkce pro studijní obory

Funkce pro studijní obory Variace 1 Funkce pro studijní obory Autor: Mgr. Jaromír JUŘEK Kopírování a jakékoliv další využití výukového materiálu je povoleno pouze s uvedením odkazu na www.jarjurek.cz. 1. Funkce Funkce je přiřazení,

Více

Epidemiologie. MUDr. Miroslava Zavřelová Ústav ochrany a podpory zdraví LF MU

Epidemiologie. MUDr. Miroslava Zavřelová Ústav ochrany a podpory zdraví LF MU Epidemiologie MUDr. Miroslava Zavřelová Ústav ochrany a podpory zdraví LF MU Epidemiologie Studium hromadně se vyskytujících jevů Stanovení opatření intervence Analýza efektivity intervence Epidemiologie

Více

Zdravotní aspekty migrace osob. Miroslava Zavřelová ÚOPZ LF MU

Zdravotní aspekty migrace osob. Miroslava Zavřelová ÚOPZ LF MU Zdravotní aspekty migrace osob Miroslava Zavřelová ÚOPZ LF MU Představují uprchlíci epidemiologické riziko? Významné trasy migrace http://img.cz.prg.cmestatic.com/media/images/660xx/jun2015/1761711.jpg?2cc5

Více

Spalničky v Moravskoslezském kraji MUDr. Irena Martinková, MUDr.Šárka Matlerová, MMO,

Spalničky v Moravskoslezském kraji MUDr. Irena Martinková, MUDr.Šárka Matlerová, MMO, Spalničky v Moravskoslezském kraji MUDr. Irena Martinková, MUDr.Šárka Matlerová, MMO, 18.5.2017 Krajská hygienická stanice Moravskoslezského kraje se sídlem v Ostravě Na Bělidle 7, 702 00 Ostrava, podatelna@khsova.cz,

Více

Základy matematiky pro FEK

Základy matematiky pro FEK Základy matematiky pro FEK 3. přednáška Blanka Šedivá KMA zimní semestr 2016/2017 Blanka Šedivá (KMA) Základy matematiky pro FEK zimní semestr 2016/2017 1 / 21 Co nás dneska čeká... Co je to soustava lineárních

Více

9. přednáška 26. listopadu f(a)h < 0 a pro h (0, δ) máme f(a 1 + h, a 2,..., a m ) f(a) > 1 2 x 1

9. přednáška 26. listopadu f(a)h < 0 a pro h (0, δ) máme f(a 1 + h, a 2,..., a m ) f(a) > 1 2 x 1 9 přednáška 6 listopadu 007 Věta 11 Nechť f C U, kde U R m je otevřená množina, a a U je bod Pokud fa 0, nemá f v a ani neostrý lokální extrém Pokud fa = 0 a H f a je pozitivně negativně definitní, potom

Více

LDF MENDELU. Simona Fišnarová (MENDELU) Základy lineárního programování VMAT, IMT 1 / 25

LDF MENDELU. Simona Fišnarová (MENDELU) Základy lineárního programování VMAT, IMT 1 / 25 Základy lineárního programování Vyšší matematika, Inženýrská matematika LDF MENDELU Podpořeno projektem Průřezová inovace studijních programů Lesnické a dřevařské fakulty MENDELU v Brně (LDF) s ohledem

Více

VY_32_INOVACE_M-Ar 8.,9.20 Lineární funkce graf, definiční obor a obor hodnot funkce

VY_32_INOVACE_M-Ar 8.,9.20 Lineární funkce graf, definiční obor a obor hodnot funkce VY_32_INOVACE_M-Ar 8.,9.20 Lineární funkce graf, definiční obor a obor hodnot funkce Anotace: Prezentace zavádí pojmy lin. funkce, její definiční obor a obor hodnot funkce. Dále vysvětluje typy funkcí

Více

SIGNÁLY A LINEÁRNÍ SYSTÉMY

SIGNÁLY A LINEÁRNÍ SYSTÉMY SIGNÁLY A LINEÁRNÍ SYSTÉMY prof. Ing. Jiří Holčík, CSc. INVESTICE Institut DO biostatistiky ROZVOJE VZDĚLÁVÁNÍ a analýz VII. SYSTÉMY ZÁKLADNÍ POJMY SYSTÉM - DEFINICE SYSTÉM (řec.) složené, seskupené (v

Více

Očkování a chemoprofylaxe chřipky u dětí aneb měly by být zdravé děti očkovány proti chřipce?

Očkování a chemoprofylaxe chřipky u dětí aneb měly by být zdravé děti očkovány proti chřipce? Očkování a chemoprofylaxe chřipky u dětí aneb měly by být zdravé děti očkovány proti chřipce? Martina Havlíčková Jan Kynčl Státní zdravotní ústav Proč je chřipka stále problém? Je stále přítomna v populaci

Více

SOUSTAVY LINEÁRNÍCH ROVNIC

SOUSTAVY LINEÁRNÍCH ROVNIC MENDELOVA UNIVERZITA V BRNĚ LDF MT MATEMATIKA SOUSTAVY LINEÁRNÍCH ROVNIC Podpořeno projektem Průřezová inovace studijních programů Lesnické a dřevařské fakulty MENDELU v Brně (LDF) s ohledem na discipliny

Více

Diferenciální rovnice a jejich aplikace. (Brkos 2011) Diferenciální rovnice a jejich aplikace 1 / 36

Diferenciální rovnice a jejich aplikace. (Brkos 2011) Diferenciální rovnice a jejich aplikace 1 / 36 Diferenciální rovnice a jejich aplikace Zdeněk Kadeřábek (Brkos 2011) Diferenciální rovnice a jejich aplikace 1 / 36 Obsah 1 Co to je derivace? 2 Diferenciální rovnice 3 Systémy diferenciálních rovnic

Více

Dynamika soustav hmotných bodů

Dynamika soustav hmotných bodů Dynamika soustav hmotných bodů Mechanický model, jehož pohyb je charakterizován pohybem dvou nebo více bodů, nazýváme soustavu hmotných bodů. Pro každý hmotný bod můžeme napsat pohybovou rovnici. Tedy

Více

Statistická teorie učení

Statistická teorie učení Statistická teorie učení Petr Havel Marek Myslivec přednáška z 9. týdne 1 Úvod Představme si situaci výrobce a zákazníka, který si u výrobce objednal algoritmus rozpoznávání. Zákazník dodal experimentální

Více

Pandemický plán Ústeckého kraje. MUDr. Josef Trmal Ph.D.

Pandemický plán Ústeckého kraje. MUDr. Josef Trmal Ph.D. Pandemický plán Ústeckého kraje MUDr. Josef Trmal Ph.D. Pandemický plán Ústeckého kraje Pandemický plán je zpracován v souladu s krizovým a havarijním plánováním a tvoří součást Krizového plánu Ústeckého

Více

INVESTICE DO ROZVOJE VZDĚLÁVÁNÍ. Modernizace studijního programu Matematika na PřF Univerzity Palackého v Olomouci CZ.1.07/2.2.00/28.

INVESTICE DO ROZVOJE VZDĚLÁVÁNÍ. Modernizace studijního programu Matematika na PřF Univerzity Palackého v Olomouci CZ.1.07/2.2.00/28. INVESTICE DO ROZVOJE VZDĚLÁVÁNÍ Modernizace studijního programu Matematika na PřF Univerzity Palackého v Olomouci CZ.1.07/2.2.00/28.0141 Báze vektorových prostorů, transformace souřadnic Michal Botur Přednáška

Více

Vyšetření průběhu funkce zadané předpisem

Vyšetření průběhu funkce zadané předpisem 1.1 Úvod Vyšetření průběhu funkce zadané předpisem Napsal jsem funkci v Matlabu, která dokáže vyšetřit funkci, kde. K vyšetření takové funkce jsem používal diferenciálního počtu zejména funkcí symbolického

Více

11. Trhy výrobních faktorů Průvodce studiem: 11.1 Základní charakteristika trhu výrobních faktorů Poptávka po VF Nabídka výrobního faktoru

11. Trhy výrobních faktorů Průvodce studiem: 11.1 Základní charakteristika trhu výrobních faktorů Poptávka po VF Nabídka výrobního faktoru 11. Trhy výrobních faktorů V předchozích kapitolách jsme zkoumali způsob rozhodování firmy o výstupu a ceně v rámci různých tržních struktur (dokonalá a nedokonalá konkurence). Ačkoli se fungování firem

Více

Regresní a korelační analýza

Regresní a korelační analýza Regresní a korelační analýza Mějme dvojici proměnných, které spolu nějak souvisí. x je nezávisle (vysvětlující) proměnná y je závisle (vysvětlovaná) proměnná Chceme zjistit funkční závislost y = f(x).

Více

Diferenciální rovnice 1

Diferenciální rovnice 1 Diferenciální rovnice 1 Základní pojmy Diferenciální rovnice n-tého řádu v implicitním tvaru je obecně rovnice ve tvaru,,,, = Řád diferenciální rovnice odpovídá nejvyššímu stupni derivace v rovnici použitému.

Více

V předchozí kapitole jsme podstatným způsobem rozšířili naši představu o tom, co je to číslo. Nadále jsou pro nás důležité především vlastnosti

V předchozí kapitole jsme podstatným způsobem rozšířili naši představu o tom, co je to číslo. Nadále jsou pro nás důležité především vlastnosti Kapitola 5 Vektorové prostory V předchozí kapitole jsme podstatným způsobem rozšířili naši představu o tom, co je to číslo. Nadále jsou pro nás důležité především vlastnosti operací sčítání a násobení

Více

Práce, energie a další mechanické veličiny

Práce, energie a další mechanické veličiny Práce, energie a další mechanické veličiny Úvod V předchozích přednáškách jsme zavedli základní mechanické veličiny (rychlost, zrychlení, síla, ) Popis fyzikálních dějů usnadňuje zavedení dalších fyzikálních

Více

Inovace studia molekulární a buněčné biologie reg. č. CZ.1.07/2.2.00/

Inovace studia molekulární a buněčné biologie reg. č. CZ.1.07/2.2.00/ Inovace studia molekulární a buněčné biologie reg. č. CZ.1.07/2.2.00/07.0354 Tento projekt je spolufinancován Evropským sociálním fondem a státním rozpočtem České republiky Populační genetika (KBB/PG)

Více

Kapitola 12: Soustavy diferenciálních rovnic 1. řádu

Kapitola 12: Soustavy diferenciálních rovnic 1. řádu Kapitola 12: Soustavy diferenciálních rovnic 1. řádu Základní pojmy Definice: Rovnice tvaru = f(t, x, y) = g(t, x, y), t I nazýváme soustavou dvou diferenciálních rovnic 1. řádu. Řešením soustavy rozumíme

Více

MODUL č. III. Epidemiologie a Hygiena

MODUL č. III. Epidemiologie a Hygiena MODUL č. III Epidemiologie a Hygiena Definice epidemiologie a rozdělení Definice: Epidemiologie je nauka o teoretických a praktických otázkách ochrany před chorobami (infekčními i neinfekčními). Rozdělení

Více

Kvízové otázky Obecná ekonomie I. Teorie firmy

Kvízové otázky Obecná ekonomie I. Teorie firmy 1. Firmy působí: a) na trhu výrobních faktorů b) na trhu statků a služeb c) na žádném z těchto trhů d) na obou těchto trzích Kvízové otázky Obecná ekonomie I. Teorie firmy 2. Firma na trhu statků a služeb

Více

IB112 Základy matematiky

IB112 Základy matematiky IB112 Základy matematiky Řešení soustavy lineárních rovnic, matice, vektory Jan Strejček IB112 Základy matematiky: Řešení soustavy lineárních rovnic, matice, vektory 2/53 Obsah Soustava lineárních rovnic

Více

Pojistná matematika. Úmrtnostní tabulky, komutační čísla a jejich použití. Silvie Kafková

Pojistná matematika. Úmrtnostní tabulky, komutační čísla a jejich použití. Silvie Kafková Úmrtnostní tabulky, komutační čísla a jejich použití 2015 Osnova 1 Délka života 2 Intenzita úmrtnosti 3 Úmrtnostní Tabulky 4 Komutační čísla Obsah 1 Délka života 2 Intenzita úmrtnosti 3 Úmrtnostní Tabulky

Více

Operační výzkum. Teorie her cv. Hra v normálním tvaru. Optimální strategie. Maticové hry.

Operační výzkum. Teorie her cv. Hra v normálním tvaru. Optimální strategie. Maticové hry. Operační výzkum Teorie her cv. Hra v normálním tvaru. Optimální strategie. Maticové hry. Operační program Vzdělávání pro konkurenceschopnost Název projektu: Inovace magisterského studijního programu Fakulty

Více

5. Náhodná veličina. 2. Házíme hrací kostkou dokud nepadne šestka. Náhodná veličina nabývá hodnot z posloupnosti {1, 2, 3,...}.

5. Náhodná veličina. 2. Házíme hrací kostkou dokud nepadne šestka. Náhodná veličina nabývá hodnot z posloupnosti {1, 2, 3,...}. 5. Náhodná veličina Poznámka: Pro popis náhodného pokusu jsme zavedli pojem jevového pole S jako množiny všech možných výsledků a pravděpodobnost náhodných jevů P jako míru výskytů jednotlivých výsledků.

Více

Zdravotní nauka 3. díl

Zdravotní nauka 3. díl Iva Nováková Zdravotní nauka 2. díl Učebnice pro obor sociální činnost Iva Nováková ISBN 978-80-247-3709-6 ISBN 978-80-247-3707-2 Grada Publishing, a.s., U Průhonu 22, 170 00 Praha 7 tel.: +420 234 264

Více

Monotonie a lokální extrémy. Konvexnost, konkávnost a inflexní body. 266 I. Diferenciální počet funkcí jedné proměnné

Monotonie a lokální extrémy. Konvexnost, konkávnost a inflexní body. 266 I. Diferenciální počet funkcí jedné proměnné 66 I. Diferenciální počet funkcí jedné proměnné I. 5. Vyšetřování průběhu funkce Monotonie a lokální etrémy Důsledek. Nechť má funkce f) konečnou derivaci na intervalu I. Je-li f ) > 0 pro každé I, pak

Více

Soustavy lineárních diferenciálních rovnic I. řádu s konstantními koeficienty

Soustavy lineárních diferenciálních rovnic I. řádu s konstantními koeficienty Soustavy lineárních diferenciálních rovnic I řádu s konstantními koeficienty Definice a) Soustava tvaru x = ax + a y + az + f() t y = ax + a y + az + f () t z = a x + a y + a z + f () t se nazývá soustava

Více

NÁZEV/TÉMA: Virová onemocnění dětského věku

NÁZEV/TÉMA: Virová onemocnění dětského věku NÁZEV/TÉMA: Virová onemocnění dětského věku Vyučovací předmět: Základy epidemiologie a hygieny Škola: SŠZZE Vyškov Učitel: Mgr. Šárka Trávníčková Třída: 2. B Počet žáků: 20 Časová jednotka: 1 vyučovací

Více

Rozšíření Grossmanova modelu a nová interpretace. Tomáš Kosička VŠFS Praha

Rozšíření Grossmanova modelu a nová interpretace. Tomáš Kosička VŠFS Praha Rozšíření Grossmanova modelu a nová interpretace Tomáš Kosička VŠFS Praha 30.1.2013 Grossmanův model poptávky po zdravotní péči Teoretický model investic do zdraví zformuloval M.Grossman (1972), v podobě

Více

Příbuznost a inbreeding

Příbuznost a inbreeding Příbuznost a inbreeding Příbuznost Přímá (z předka na potomka). Souběžná (mezi libovolnými jedinci). Inbreeding Inbrední koeficient je pravděpodobnost, že dva geny přítomné v lokuse daného jedince jsou

Více

EXTRÉMY FUNKCÍ VÍCE PROMĚNNÝCH

EXTRÉMY FUNKCÍ VÍCE PROMĚNNÝCH EXTRÉMY FUNKCÍ VÍCE PROMĚNNÝCH ÚLOHY ŘEŠITELNÉ BEZ VĚTY O MULTIPLIKÁTORECH Nalezněte absolutní extrémy funkce f na množině M. 1. f(x y) = x + y; M = {x y R 2 ; x 2 + y 2 1} 2. f(x y) = e x ; M = {x y R

Více